ZBMaX中的参考文献（352篇）1标准条款）

1. C·Rordaba，艾琳；Bielz，孔查；Larra·N.AGA，佩德罗：条件独立Gaussian Markov模型的回顾（2020）
2. 冉覃恩、Kari、Hyttinen、安蒂、J·拉维萨洛、Matti：利用循环和潜在混杂因素发现因果图：一个精确的分支定界方法（2020）
3. Boge，Florian J.：世界上最好的，还是量子退相干是一种性情的表现？（2019）
4. 布库尔，Ioan Gabriel；Claassen，汤姆；Hekes，汤姆：基因调控关系的大规模局部因果推断（2019）
5. Castelletti，费德里克；CONSONI，GUIDO：用于信号通路识别的高斯介入基本图的贝叶斯模型选择（2019）
6. 科斯塔，LIIIa；史米斯，James Q.；尼克尔斯，托马斯：fMRI网络时间序列的多元回归动态模型组分析（2019）
7. 崔，Ruifei；Groot，Perry；Hekes，汤姆：利用高斯Copula模型从缺失数据的混合数据中学习因果结构（2019）
8. de Campos，Luis M.；卡诺，安德烈斯；Castellano，Javier G.；道德，Seraf iN：结合基因表达数据和先验知识，利用结构限制贝叶斯网络推断基因调控网络（2019）
9. Draisma，JAN：高斯图形模型中的部分相关超曲面（2019）
10. Drton，马蒂亚斯；福克斯，克里斯托弗；王，Y. Samuel：循环结构方程模型中极大似然估计的计算（2019）
11. Frot，本杰明；Nandy，PrimaTM；MathuIS，Marloes H.：具有隐藏变量的鲁棒因果结构学习（2019）
12. 顾嘉莹；傅，费；周，青：离散数据对有向无环图的惩罚估计（2019）
13. 郭，萧；张，Hai；王，姚；梁，Yong：具有无标度性质的稀疏有向无环图的结构学习（2019）
14. 黄，Whitney K.；库勒，Daniel S.；Ebert Uphoff，IMME；陈，陈；SoigdhanSu：极值依赖的新探索工具：（\ chi）网络和年极值网络（2019）
15. 今井，科苏克；江，智超：评论：多重原因的挑战（2019）
16. 延森，戴维：评论：加强因果推理方法的实证评价（2019）
17. 齐，Xiaolong；范，萧聪；高，杨；刘，闫方：用最弱互信息第一策略学习贝叶斯网络结构（2019）
18. Schulte，奥利弗：奥卡姆剃刀的因果学习（2019）
19. Scuturi，马珂；Graafland，Catharina Elisabeth；古蒂雷斯，乔斯曼努埃尔：谁学习更好的贝叶斯网络结构：结构学习算法的准确度和速度（2019）
20. Scuturi，马珂；Vitolo，克劳蒂亚；希尔斯，艾伦：利用贪婪搜索从大数据中学习贝叶斯网络：计算复杂性和高效实现（2019）